CutMix

CutMix ist eine fortschrittliche Datenerweiterung, mit der robuste Computer-Vision-Modelle trainiert werden, indem ein rechteckiger Ausschnitt aus einem Bild ausgeschnitten und in ein Zielbild eingefügt wird. Anders als einfachere Erweiterungen, die Helligkeit oder Drehung anpassen, verändert CutMix die grundlegende Zusammensetzung eines Trainingsbeispiels. Beim Austauschen der Pixel werden auch die entsprechenden Ground-Truth-Labels proportional zur Fläche des Ausschnitts gemischt. Dadurch lernen künstliche neuronale Netze, Objekte anhand unvollständiger Ansichten zu erkennen, da das Modell gezwungen wird, sich auf mehrere Merkmale zu stützen, statt sich ausschließlich auf die unterscheidungskräftigsten Teile eines Objekts zu konzentrieren. Die Methode wurde erstmals in einer wissenschaftlichen Arbeit aus dem Jahr 2019 vorgestellt und hat sich in Deep-Learning-Frameworks als Standardoperation etabliert, um Overfitting zu verhindern und die Generalisierung über große Datensätze hinweg zu verbessern.

Funktionsweise der Methode#

Während des Modelltrainings wählt der Algorithmus zufällig eine Mittelpunktkoordinate und eine Boxgröße aus, um eine Region aus einem zweiten Bild zu extrahieren. Dieser Ausschnitt wird dann innerhalb des aktiven Batches direkt auf ein primäres Bild gelegt. Enthielt das primäre Bild beispielsweise einen Hund und das zweite eine Katze, würde das fertige Bild einen Katzenausschnitt enthalten, der einen Teil des Hundes ersetzt. Die Klassifikationslabels werden mithilfe linearer Interpolation anhand der exakten Fläche des Ausschnitts aktualisiert – beispielsweise mit einem Label von 0,7 für Hund und 0,3 für Katze. Bei Aufgaben zur Objekterkennung bleiben Bounding Boxes erhalten, die innerhalb des eingefügten Bereichs mindestens einen bestimmten Prozentsatz (oft 10 %) ihrer ursprünglichen Fläche behalten. Diese Methode wird in Ultralytics YOLO nativ als Trainingshyperparameter cutmix unterstützt, sodass du die Wahrscheinlichkeit dieser Transformation einfach festlegen kannst.

MixUp und Cutout im Vergleich zu CutMix#

CutMix steht in engem Zusammenhang mit zwei weiteren wichtigen Methoden zur Datenerweiterung, behebt jedoch deren spezifische Einschränkungen:

• MixUp-Datenerweiterung: MixUp kombiniert zwei Bilder global, indem ein gewichteter Mittelwert ihrer Pixelwerte berechnet wird. Obwohl diese Methode effektiv ist, entstehen dabei häufig unnatürliche, halbtransparente Geisterbilder, die Modelle verwirren können, da sie die lokale räumliche Korrelation stören. Im Gegensatz dazu bewahrt CutMix die ursprünglichen Pixelintensitäten innerhalb der ausgeschnittenen Bereiche, was Forschende in Ansätzen wie Attentive CutMix weiter optimiert haben.
• Cutout-Datenerweiterung: Cutout entfernt Informationen, indem ein zufälliger rechteckiger Bereich mit schwarzen Pixeln oder dem Mittelwert des Datensatzes maskiert wird. Dadurch wird das Modell zwar dazu angeregt, das gesamte Objekt zu betrachten, aber wertvolle Trainings-Tensoren werden nicht genutzt. CutMix ersetzt diesen fehlenden Bereich durch informative Ausschnitte zur Bildklassifikation aus anderen Bildern und steigert dadurch die allgemeine Lerneffizienz.

Anwendungen in der Praxis#

Indem Modelle darauf trainiert werden, stark verdeckte Objekte zu erkennen, steigert CutMix die Leistung beim maschinellen Lernen in verschiedensten Branchen deutlich.

• Automotive AI und autonomes Fahren: Bei selbstfahrenden Autos bringt die Methode dem System bei, Fußgänger oder Fahrzeuge auch dann zu erkennen, wenn diese teilweise durch Verkehrsschilder verdeckt sind, und erhöht so die Sicherheit in dicht besiedelten Umgebungen.
• Medizinische Diagnostik und Org作用segmentierung: Im Gesundheitswesen wird diese Methode häufig zur Segmentierung von Organen und Tumoren eingesetzt. Dadurch können Modelle komplexe Gewebegrenzen erkennen, selbst wenn sich anatomische Strukturen überlagern.
• Fernerkundung von Satellitenbildern: Diese Strategie bewahrt dichte, sich überschneidende Klassen wie Gebäude und Vegetation in Luftaufnahmen. Fortschrittliche Varianten werden aktiv erforscht, um die Erkennung langschwänziger Klassenverteilungen bei stark unausgewogenen Daten zu verbessern.

Praktische Umsetzung#

Die Integration dieser Datenerweiterung in eine KI-Pipeline ist unkompliziert. Die meisten High-Level-Bibliotheken unterstützen sie nativ, darunter PyTorch Transforms und Keras Preprocessing Layers.

Beim Training eines Modells wie YOLO26 erfordert die Konfiguration dieser Datenerweiterung lediglich die Anpassung eines einzelnen Parameters. Dadurch werden sowohl das Einfügen der Bildausschnitte als auch die komplexe Logik zum Beschneiden der Bounding Boxes automatisch verarbeitet.

from ultralytics import YOLO

# Initialize the recommended Ultralytics YOLO26 model
model = YOLO("yolo26n.pt")

# Train the model with CutMix enabled at a 50% probability
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, cutmix=0.5)

Für Teams, die umfangreiche Computer-Vision-Workflows verwalten, vereinfacht die Ultralytics Platform diesen Prozess, indem sie es ermöglicht, diese Best Practices für die Datenerweiterung direkt über eine Cloud-Oberfläche anzupassen und so den Weg von der Annotation bis zur Modellbereitstellung zu optimieren.